《2017大数据及人工智能领域人才发展报告》发布(最新完整版PPT)

全球人工智能发展报告（2017）基于海量数据观察全球互联网前沿，洞见中国互联网发展未来人工智能与大数据技术驱动，以数据促进科学决策知识作为服务Knowledge as a Service目录C O N T E N T S·前言美国人工智能企业引领全球，优势在哪中国人工智能企业发展逼近美国，拐点来临？欧洲人工智能企业发展力争上游，机遇在哪亚洲人工智能企业发展方兴未艾，弯道超车？小结050609131517美国人工智能企业引领全球，优势在哪？1047自2000年以来，旧金山湾区新增AI企业数：其中，最近五年新增企业数：6963033自2000年以来，美国新增AI企业数：其中，最近五年新增企业数：1801旧金山湾区人工智能企业分布图美国人工智能企业概述l2000-2016年，美国新增人工智能企业3033家，占全球人工智能总数的37.4%，位列全球第一。

但美国每年新增人工智能企业数占当年全球新增人工智能企业总数的比例一直在下降，2000时这一比例为45%，2016年时下降至26%。

l美国人工智能企业主要集中于东西海岸。

东海岸以纽约地区、波士顿地区为代表，西海岸以旧金山湾区、洛杉矶地区、西雅图等为代表。

其中，2000-2016年，旧金山湾区人工智能新增企业数，超过美国人工智能企业总数的三分之一，超过全球除中国外的其它国家。

旧金山湾区34.52% 纽约地区11.34%波士顿地区6.00%美国主要城市的AI企业数三大地区AI企业占美国AI企业总数的比重旧金山湾区人工智能企业概况旧金山湾区人工智能企业发展趋势l 旧金山湾区人工智能企业数量于全球占比达12.91%。

其每年新增的人工智能企业数占美国当年新增数量的比例在持续上升，目前已从2000年时的28.6%，上升至2016年的近50%。

l 在旧金山湾区众多城镇中，以San Francisco、Palo Alto的人工智能企业最多，两者的数量之和超过旧金山湾区的一半。

2017年人工智能行业研究报告2017年9月目录一、人工智能成为国家级战略布局空前，有望实现跳跃式发展 (4)1、人工智能上升为国家战略，政策落地速度超预期 (4)2、人工智能产业投资规模持续增长 (7)二、软硬件基础逐渐成熟，应用场景不断扩张 (9)1、AI芯片领域井喷发展，终端+云端协作成为趋势 (9)（1）AI芯片纷纷涌现，AI-PU有望成为未来趋势 (9)（2）首个大批量应用的终端AI芯片麒麟970粉墨登场 (12)2、行业应用加速，关注计算机视觉、智能医疗、零售、无人驾驶进展 (13)（1）人工智能技术持续进步，行业应用加速 (13)（2）阿里亮相无人超市指出新场景 (15)三、政策资本投入力度超预期，产业有望迎来加速发展 (16)过去一年左右的时间里，人工智能的行业政策、投资规模、发展进程方面取得众多进展，迎来了全新的局面。

《新一代人工智能发展规划》发布，人工智能上升到国家战略。

按照2017 年7 月的发展规划，人工智能战略有了明确的路线图、政策支持范围和实施方式，而人工智能是国家竞争的高地，未来政策支持力度有望持续提升。

万亿级别产业规模计划、高力度的政策支持，我国人工智能产业从中持续受益。

人工智能产业投资持续增长。

人工智能行业的融资规模作为可比性较强的量化数据，今年在2016 年翻倍发展的基础上再次实现了跨越式增长，并购和布局等也越发活跃。

资本和人才等产业资源加速投入、碰撞和整合，人工智能行业迎来持续爆发。

AI芯片发展迅速，人工智能硬件基础逐渐成熟。

AI专用训练芯片持续发展，未来将挑战GPU 的霸主地位；随着麒麟970 的发布，终端AI芯片也将陆续出现，“CPU+GPU+AI-PU”有望成为终端标配，将进一步推动人工智能应用的加速发展。

软硬件基础逐渐成熟，行业有望超预期发展。

人工智能带来的生产力的飞跃极为惊人，在众多行业有望取得广泛应用，变革人类生产生活方式。

行业应用上，计算机视觉和“人工智能+医疗”领域高速发展，为其他分支树立了标杆；高级应用上，无人驾驶和无人超市为行业的深刻变革带来了巨大的发展机遇，相关产业链有望迎来发展良机。

(此文档为word格式，可任意修改编辑！）正文目录1. 人工智能厚积薄发，引领IT新一轮革命 (13)1.1. 人工智能发展的三大背景 (13)1.1.1. 神经网络的出现，为人工智能的出现提供动力 (13)1.1.2. 运算能力和储存能力提升,为人工智能第三次浪潮的到来提供基础 (16)1.1.3. 各界需求的不断攀升，为人工智能的完善保驾护航 (20)1.2. 人工智能在IT中的架构中处于核心地位 (21)1.3. 人工智能演化历史，三起两落 (22)2. 人工智能前沿解析——人工智能全方位超越人类 (24)2.1. 感知智能全方面超越人类 (25)2.1.1. 人脸识别率达99.80%，机器视觉超越人眼 (26)2.1.2. 语音识别率接近人类，实验环境更待普遍化 (28)2.2. 语言领域功能创新让机器不再冰冷 (30)2.2.1. 语音转录技术已成熟，正在逐步实现各场景渗透 (30)2.2.2. 语音交互从各个特殊场景起步，功能日渐强大 (33)2.2.3. 特征识别通过语音来实现身份认证 (35)2.2.4. 机器翻译帮助人类迅速实现地球村概念 (36)2.3. 计算机视觉让机器成为敏锐的观察者 (37)2.3.1. 特定物体识别已实现突破，其中人脸识别最具价值 (37)2.3.2. 通用物体识别是真正强智能时代的标志 (39)2.3.3. 空间位置感知技术构成无人驾驶最核心功能 (40)2.4. 人工智能连下数城，认知智能逐渐突破 (42)2.4.1. AlphaGo攻下围棋领域，完整信息博弈先下一城 (43)2.4.2. Libratus斩获德州扑克，非完整信息博弈再下一城 (45)2.4.3. 认知智能下一座城在何处？ (48)2.5. 逻辑推断完成机器认知智能第一步 (50)2.5.1. 行为决策源于游戏，却高于游戏 (50)2.5.2. 知识图谱为机器提供更加庞大的认知体系 (51)3. 人工智能算法的突破将为AI应用提供无限可能 (53)3.1. 神经网络是人工智能算法的核心 (53)3.2. 监督学习算法让人工智能成为可能 (57)3.2.1. CNN算法带领机器视觉全面超越人类 (60)3.2.2. RNN算法帮助机器听懂人类语言 (64)3.3. 未来智能学习新领域——非监督学习算法 (68)3.3.1. Apriori算法 (68)3.3.2. K-Means算法 (69)3.3.3. 高斯混合模型算法 (70)3.4. 聚焦算法创新进展 (70)3.4.1. FSMN改善语音实时交互延时问题 (70)3.4.2. DFCNN让卷积神经网络“听得更多” (72)3.4.3. 迁移学习扩宽深度学习算法应用边界 (73)4. 人工智能芯片为AI提供物理基础 (74)4.1. 算力提升是人工智能发展的前提保障 (74)4.2. AI硬件架构战场烽火未定 (74)4.2.1. 英伟达在AI硬件领域率先起跑，已获得生态圈优势 (75)4.2.1.1. 英伟达GPU行业霸主，逐渐形成AI生态圈 (75)4.2.1.2. 英伟达正着力制定无人驾驶硬件标准 (76)4.2.2. Intel大举并购，成为CPU+FPGA阵营的领军者 (84)4.2.3. 以高通、ARM为代表的ARM阵营有望统一终端计算市场 (86)4.2.4. 其他技术路线应受到更大重视 (88)5. 人工智能下游应用 (89)5.1. AI+安防——构建城市“最强大脑” (89)5.1.1. 高清摄像头升级为“AI+安防”提供可能性 (89)5.1.2. AI实现安防点线面全维度布局，打开市场增长空间 (90)5.1.2.1. 单点布防，刷脸认证 (90)5.1.2.2. 连线成网，智能交通 (92)5.1.2.3. 从点到面，行为与人群识别 (94)5.1.2.4. 断文识字，智能案情分析 (95)5.1.3. 我国安防产业链逐渐完善 (96)5.1.4. 技术实力与三个产业化壁垒下AI安防企业核心竞争力 (97)5.2. AI+医疗——用数据造福人类健康 (101)5.2.1. IBM：医疗人工智能的先行军 (101)5.2.2. Enlitic：人工智能医疗影像诊断服务商 (103)5.2.3. Arterys：云计算医疗成像分析拟进军肿瘤领域 (104)5.2.4. 阿里ET医疗大脑：为医生配一个24小时“全能”助手 (106)5.3. AI+金融——为资产配置打开“上帝视角” (108)5.3.1. AI+金融行业背景 (108)5.3.1.1. 金融数据的复杂度较高，但价值巨大 (108)5.3.1.2. 全球金融科技100榜单中模式创新为主，技术创新较少 (110)5.3.1.3. 可能在金融领域应用的人工智能技术 (110)5.3.2. 人工智能在金融领域应用 (111)5.3.2.1. 智能投顾 (112)5.3.2.2. 智能风控 (120)5.3.2.3. 智能资管 (124)5.4. AI+汽车——移动的智能载人机器人 (129)5.4.1. 无人驾驶“升级”路径 (129)5.4.2. 三大传感器比较 (130)5.4.3. 无人驾驶两大阵营 (132)5.4.3.1. 递进式阵营 (132)5.4.3.2. 越级式阵营 (133)5.4.4. 各国政府政策指引 (133)5.4.4.1. 各地区安全政策进展 (134)5.4.5. 谷歌的超级司机 (135)5.4.5.1. Waymo的Tier One野心 (138)5.4.6. Elon Musk与他的大师计划：Autopilot车队学习 (141)5.4.6.1. Autopilot 1.0的诞生 (141)5.4.6.2. Autopilot 2.0的启动 (143)5.5. AI+服务——替代人在服务业中的作用 (145)5.5.1. AI在语音识别领域的应用 (145)5.5.2. AI在智能呼叫中心服务领域的应用 (147)5.5.3. 人工智能智能玩具 (149)5.5.4. AI在教育领域应用 (154)5.5.5. AI在电商零售领域应用 (156)5.5.6. AI在云计算领域中的应用 (160)6. 人工智能发展趋势与投资策略 (161)6.1. MIT Tech Review 2017年人工智能5大趋势预测 (162)6.1.1. 趋势一：正向强化学习 (Positive reinforcement) (162)6.1.2. 趋势二：对抗性神经网络 (Dueling neural networks) (162)6.1.3. 趋势三：中国的人工智能热潮 (China's AI boom) (163)6.1.4. 趋势四：语言学习 (Language learning) (168)6.1.5. 趋势五：反对人工智能过度炒作 (Backlash to the hype) (169)6.2. 各行业投资及重点关注标的 (169)6.2.1. AI+安防 (169)6.2.2. AI+金融 (170)6.2.3. AI+医疗 (170)6.2.4. AI+汽车 (171)6.2.5. AI+服务 (171)6.2.6. AI海外标的 (171)图目录图1：人工神经网络示意图 (14)图2：神经网络发展阶段一 (15)图3：神经网络发展阶段二 (15)图4：深度学习近期标杆事件 (15)图5：基本完整的深度学习网络 (16)图6：CPU架构 (16)图7：GPU架构 (17)图8：CPU和GPU 计算能力比较 (18)图9：摩尔定律驱动的产业 (18)图10：机械硬盘：容量增加了100万倍 (19)图11：服务器磁盘存储：36万倍的提升 (19)图12：人工智能板块蓝图 (20)图13：ICT 在过去的变革 (21)图14：人工智能产业生态格局的三层基本架构 (22)图15：人工智能的演化历史 (23)图16：人工智能三大阶段 (24)图17：机器视觉工作原理 (26)图18：人工智能99.80%超越人类 (27)图19：高置信度条件人工智能显优势 (27)图20：微软语音识别Cortana (28)图21：苹果语音识别 (29)图22：英文语音识错率 (29)图23：中文语音识错率 (30)图24：亚马逊Echo及无线遥控器 (31)图25：Google Home多房间支持 (32)图26：阿里小蜜和京东JIMI机器人 (33)图27：Siri、谷歌助理、百度度秘提问测试对比 (35)图28：谷歌翻译、有道翻译、百度翻译实例对比 (36)图29：人脸识别进行身份验证 (38)图30：谷歌可以识别照片上的各种物体 (39)图31：谷歌图片识别原理图 (40)图32：特斯拉Autopilot升级阶段 (41)图33：谷歌无人车的3D LIDAR图像 (42)图34：LIDAR扫描车身周围环境示意图 (42)图35：认知智能连下数城 (43)图36：被AlphaGo逼入苦战的李世石 (44)图37：AlphaGo解空间 (45)图38：信息集量级对比 (45)图39：Libratus完胜人类选手 (46)图40：信息集量级对比 (47)图41：Libratus残局解算器 (48)图42：Libratus运算过程 (48)图43：认知智能未来发展预期 (49)图44：认知智能逐步发展 (50)图45：AlphaGo的神经网络 (51)图46：中文知识图谱网站zhishi.me (52)图47：人工神经网络算法 (54)图48：深度学习算法训练模型 (55)图49：无标签数据训练过程 (55)图50：监督学习微调之只调整分类器过程 (56)图51：监督学习微调之调整整个系统过程 (56)图52：监督学习算法的主要步骤 (57)图53：KNN在图像识别应用 (58)图54：IRIS数据特征自己的分类效果图 (59)图55：两层之间卷积网络传输示意图 (61)图56：卷积神经网络算法全部感知和局部感知 (61)图57：CNN在Image Net图像分类的应用 (62)图58： CNN算法在膝关节软骨的分割识别中处理方法 (63)图59：Policy Network的CNN结构 (64)图60：RNN算法一般逻辑 (64)图61：RNN使用形式 (65)图62：标准RNN重复模块 (65)图63：LSTM重复模块 (66)图64：三大语音助手问题答复率 (66)图65：三大语音助手问题答复完整度 (67)图66：基于RNN——CTC的主流语音识别系统框架 (67)图67：非监督学习算法模型 (68)图68：Apriori算法每轮候选集与剪枝结果 (69)图69：K-means算法示意图 (70)图70：高斯混合模型算法分类前后 (70)图71：FSMN结构示意图 (71)图72：隐含层记忆模块时序展开示意图 (72)图73：DFCNN示意图 (72)图74：传统的监督学习模式 (73)图75：迁移学习模式 (74)图76：英伟达各项业务营收比较（百万美元） (75)图77：英伟达游戏、数据中心、汽车三块业务同比增速 (75)图78：英伟达GPU在人工智能的主要合作平台 (76)图79：英伟达DRIVE PX 2车载电脑平台 (77)图80：英伟达CES 2017大会开幕演讲 (78)图81：英伟达宣布多项合作 (78)图82：英伟达Xavier下一代车载超级电脑 (79)图83：BB8内部的演示屏幕，包括图像识别和实时分析 (79)图84：BB8在CES上的展示 (80)图85：DriveWorks软件开发平台 (80)图86：AI Co-Pilot功能展示 (81)图87：英伟达与奥迪宣布新合作 (82)图88：奥迪Q7展示车辆 (82)图89：采埃孚开发ZF ProAI系统 (83)图90：英伟达宣布与博世合作 (83)图91：英伟达在CES宣布合作伙伴 (84)图92：Intel CPU+FPGA解决方案产品演进图 (85)图93：Intel的人工智能战略 (85)图94：高通提供的Zeroth技术路线 (87)图95：移动端智能化是大势所趋 (87)图96：我国视频监控的四个阶段 (89)图97：中国生物识别市场规模与预测（亿元） (91)图98：中国人脸识别行业市场规模预测（亿元） (91)图99：图像识别在道路监控及交通执法中的应用 (93)图100：套牌车分析系统应用 (93)图101：人群分析与重点区域布防应用 (94)图102：语言要素及语义理解模型 (95)图103：安防行业产业链示意图 (97)图104：AI图像识别的技术梯队化 (97)图105：数据获取能力比较 (98)图106：产品化能力比较 (99)图107：渠道能力比较 (99)图108：医疗资料浪费严重 (101)图109：人工智能在医疗领域应用潜力巨大 (101)图110：IBM Watson近三年布局 (102)图111：IBM Watson所拥有的数据量与功能 (103)图112：公司近年发展历程 (104)图113：Enlitic软件的四大功能 (104)图114：4.3. Arterys公司发展历程 (105)图115：4D血流分析软件特点 (105)图116：阿里发布ET医疗大脑 (106)图117：阿里云希望挑战肺结节领域的机器读片 (107)图118：阿里联合英特尔、LindDoc启动天池医疗AI系列赛 (108)图119：金融数据价值巨大（圆圈大小表示价值占GDP的大小） (109)图120：2016年Fintech100领域分类 (110)图121：可应用于金融领域的人工智能技术及其特征 (111)图122：人工智能在金融领域的三大应用 (111)图123：智能投顾的主要流程 (112)图124：智能投顾软件核心步骤 (113)图125：智能投顾的主要AI和理论技术 (114)图126：个人理财业务三大分类 (115)图127：智能投顾的三大模式 (116)图128：美国智能投顾软件资金管理规模 (116)图129：wealthfront智能投顾四个步骤 (117)图130：采用了Monte-Carlo算法预测退休金需求 (118)图131：资金管理的两种模式 (119)图132：根据用户分类匹配的投资建议 (119)图133：退休账户情景分析 (120)图134：AI技术在风险管理领域的应用 (121)图135：智能风控三步走 (121)图136：智能风控三大分类 (122)图137：WatsonAnalyics主要业务 (122)图138：Algo服务流程 (123)图139：新一代“认知计算”的AI大脑引擎 (123)图140：AI大脑引擎技术与应用 (124)图141：算法交易的分类 (124)图142：AI模型辅助交易称为必然趋势 (125)图143：AI算法交易底层技术 (126)图144：舆情交易分析技术 (126)图145：Rebellion投资行业 (127)图146：KFL 每月收益一览 (128)图147：David Ferrucci与Watson (128)图148：Bridgewater CEO Ray Dalio (129)图149：SAE自动驾驶安全等级划分 (130)图150：三款传感器主要应用比较 (131)图151：主流完全自动驾驶系统车辆传感器配置 (131)图152：无人驾驶两大阵营 (132)图153：谷歌无人车原型主要配置 (136)图154：谷歌无人车LiDAR绘制的3D地图 (136)图155：谷歌使用的Velodyne 64束激光雷达 (137)图156：Velodyne的主要LiDAR产品 (137)图157：搭载Waymo传感器套件的Pacifica (138)图158：Waymo在车展上进行展示 (139)图159：Waymo在车展上进行展示 (139)图160：Waymo在车展上进行展示 (140)图161：谷歌发布“共享出租”专利 (141)图162：谷歌发布“共享出租”专利 (141)图163：特斯拉Autopilot升级阶段 (142)图164：特斯拉硬件升级Autopilot 2.0渲染图 (143)图165：特斯拉车队学习模式 (143)图166：特斯拉Model S与奔驰E200的智能驾驶测试对比 (144)图167：Amazon Alexa工作原理 (146)图168：晓译翻译机能够实现多场景语音识别 (147)图169：晓译翻译机能实现多种方式翻译 (147)图170：人智能呼叫中心服务 (148)图171：salesforce将人工智能应用于呼叫中心业务 (148)图172：salesforce将人工智能应用于呼叫中心业务 (149)图173：人工智能玩具未来趋势 (150)图174：Hello Barbie产品 (151)图175：Hello Barbie产品 (151)图176：Thomas&Friends Talk toYou产品 (152)图177：Thomas&Friends Talk toYou产品 (152)图178：hi乐迪智能玩具外形 (153)图179：hi乐迪智能玩具 (154)图180：人工智能教育的优势 (155)图181：科大讯飞智学云教育系统 (156)图182：JIMI客服聊天界面 (157)图183：应用于JIMI机器人的人工智能技术 (157)图184：京东无人仓——Shuttle货架穿梭车 (158)图185：京东配送无人机 (159)图186：手机淘宝的拍立淘功能 (160)图187：拍立淘能够通过图像识别技术满足客户购物需求 (160)图188：数据中心PUE的机器学习测试结果 (161)图189：Deep Speech与苹果Dictation、微软Bing Speech、Facebook wit.ai、谷歌API的语音识别错误率比较 (163)图190：Deep Speech 2用于英文和中文的深度RNN结构 (164)图191：百度展示人脸识别错误率已经降到2.3% (164)图192：百度深度学习研究员主攻方向 (165)图193：百度的AR技术交互模式展示 (165)图194：神经网络在人脸识别上超过人眼 (166)图195：蚂蚁金服漆远介绍金融领域AI元素 (167)图196：蚂蚁金服漆远介绍金融领域AI应用 (168)表目录表1：人工智能最新进展 (25)表2：监督学习算法部分类别特征 (60)表3：ILSVRC-2012验证集和测试集错误率对比 (62)表4：智能安防领域企业实力比较 (100)表5：投资顾问与机器人智能理财顾问对比 (115)1. 人工智能厚积薄发，引领IT新一轮革命1.1. 人工智能发展的三大背景2016年是人工智能的元年，Alpha Go的胜利引爆了全民的热情。

人工智能行业研究报告（2017年）从去年的Alpha Go对战李世石开始，再到今年升级版的Alpha Go对战柯洁，人工智能经过一年多的发酵早已不再是一个陌生的名词。

截至目前，人工智能行业已发布了多篇报告，但我们仍致力于写出不一样的东西。

除却老生常谈的算法、计算力、数据之外，我们认为人工智能的未来最重要的驱动力一定会是“场景驱动”。

在人工智能的场景驱动阶段，不但可以针对不同用户做个性化服务，而且可在不同的场景下执行不同的决策，最终实现“给予决策支持”的目标。

因此本报告中，我们用了较大的篇幅去描绘人工智能的场景应用。

那么，在不同的场景中，人工智能是如何发挥作用的？带着这个问题，我们研究了国内外与此领域相关的企业，写出了这份人工智能行业的研究报告。

报告摘要人工智能（ArtificialIntelligence）是指使用机器代替人类实现认知、识别、分析、决策等功能，其本质是对人的意识与思维的信息过程的模拟。

1. 在AI发展的不同阶段，驱动力各有侧重，我们可以将AI的发展划分为三个阶段：技术驱动阶段、数据驱动阶段和场景驱动阶段。

其中技术驱动阶段集中诞生了基础理论、基本规则和基本开发工具。

在此阶段，算法和计算力对AI的发展起到主要推动作用，其中计算力主要包含芯片、超级计算机、云计算等三个维度。

2. 在市场规模方面，综合考虑我国人工智能的爆发节点、技术成熟度以及全球AI市场规模等因素，我们保守估计最迟至2019年我国AI的市场规模将突破百亿元，而2022年这一数字应在700亿元左右。

3. 随着AI支撑技术的不断发展，AI将持续拓展更多的应用场景；而愈发多样化的应用场景需求又会反过来驱动支撑技术，从而带动整个AI行业的持续发展。

但各应用场景的发展并非均衡，整体看来将从垂直领域AI逐渐过渡到通用型AI。

总体来说，AI最重要的还是要将技术与应用场景相结合，无法落地的技术很难得到资本青睐和市场认可，而有闭环、垄断性的数据，并且其技术能够与实际应用场景结合的公司将有望产生难以被替代的商业价值。

全球人工智能发展报告（2017）基于海量数据观察全球互联网前沿，洞见中国互联网发展未来人工智能与大数据技术驱动，以数据促进科学决策知识作为服务Knowledge as a Service研究范围及数据来源European Patent Office中华人民共和国国家知识产权局SIPO国家统计局投融资数据库海量知识图谱a.人工智能新增企业人工智能企业指的是以人工智能相关产品、技术等为主营业务的初创企业，不包括布局人工智能的行业巨头；b.人工智能企业融资情况统计期内与人工智能关系较强的初创企业，获融资的时间、轮次、金额等信息；对涉及排名、融资阶段等内容，仅针对有确切融资信息的企业；融资数据不包括统计期内已被收购或上市的企业；c.人工智能技术专利情况统计期内人工智能领域的企业、高等院校、科研机构等申请的人工智能相关专利数。

研究范围数据来源1.4亿+学术论文计量单位说明涉及货币单位，除用汉字注明外，分别以下列字母表示计量单位：K=千；M=百万；B=十亿目 录C O N T E N T S·前言美国人工智能企业引领全球，优势在哪中国人工智能企业发展逼近美国，拐点来临？欧洲人工智能企业发展力争上游，机遇在哪亚洲人工智能企业发展方兴未艾，弯道超车？小结050609131517前言l人工智能始于1956年的达特茅斯会议，今年逐渐升温；2016年，随着AlphaGo人机大战而成为热词。

如今，人工智能的产品也无处不在，比如Apple的Siri，谷歌的无人车，IBM的Watson，以及其它各种人脸识别技术等。

这些都使投资界和产业界对人工智能的关注前所未有地高涨。

l人工智能可能带来的颠覆性变化也被全球知名金融和咨询机构的支持。

比如麦肯锡全球研究院就认为人工智能正在促进人类社会发生转变。

这种转变将比工业革命“发生的速度快 10倍， 规模大300倍，影响几乎大3000倍”。

l人工智能，这一信息时代的尖端科技，目前在全球的发展趋势是怎样的，产业如何与之相结合，哪些行业更受投资者青睐，哪些地方更适合人工智能创业、发展？而不同国家间的人工智能实力又是怎样的，差距在哪里？l在本报告中，乌镇智库将通过企业、投融资、专利三个维度的数据，覆盖人工智能企业、细分领域的多层信息，呈现出人工智能的全景图。

人工智能行业发展研究报告白皮书2017年目 录一、AI行业概况二、创投趋势盘点三、大公司战略布局四、行业应用案例五、焦点问题解读PART IAI行业概况深度学习的崛起与AI的第三次热潮2006年深度学习（深度神经网络）基本理论框架得到了验证，得益于海量数据处理计算能力的成熟，深度学习相关技术崛起20世纪80年代初，算法应用升级20世纪50年代，神经网络相关基础理论的提出第一次热潮第二次热潮第三次热潮不断优化的人工智能算法被收集的大量数据高性能芯片组成的计算能力算法数据计算力AI自从2012年深度学习技术相关算法突破后，才正真在给人工智能带来了春天。

目前，已有的深度学习算法越来越成熟，算法的精确性、鲁棒性越来越来好。

视觉及图像领域是深度学习算法应用最广泛效果最好的场景。

当前人工智能芯片可分为两类：一类是平台，通用型深度学习芯片，比如英伟达最新发布的两款Tesla系列深度学习芯片；另一类是根据特定的应用场景，进行定制开发和优化的处理器、硬件加速器，例如专门运用于安防视频或者无人机驾驶汽车等领域的芯片产品。

人工智能对于数据的需求多种多样，主要看应用场景，不同的应用场景对数据集的要求不同。

标注的、结构化特定的应用场景下产生的数据是有价值的。

数据分训练集和测试集，要求数据分布均匀。

数据量并不是唯一追求的指标，在某些不过分要求精度的应用场景下对数据量的要求并不是很高，反而数据集技术应用热度三大梯队l国内智能机器人与无人机相关技术最为火爆，位居于最前列l语义分析、语音识别、聊天机器人等自然语言系列的技术位列第二梯队l人脸识别、视频/监控、自动驾驶、图像识别等计算机视觉系列的技术位列第三梯队AI技术行业应用渗透力医疗行业成为AI应用最为火热的行业，其中包括了医疗影像诊断、医学病历分析等应用；汽车行业借势自动驾驶/辅助驾驶相关技术的发展脱颖而出，几乎与医疗行业并列第一；人工智能产业链结构：基础层、算法层、应用层开篇：AI产业真相研究PART 2创投趋势盘点本章数据统计截止时间：2018年1月1日创业观察：2015年最火热，半数公司集中在北京l截止2018年1月份，IT桔子共收录1131家人工智能公司，其中，2015年创业热度达到最高峰，当年创业公司数量达到263家，2017年有所回落。

(此文档为word格式，可任意修改编辑！）2017年1月正文目录1. 2017：迎来“人工智能+”的春天 (5)1.1. 人才角度：大量人工智能人才将进入产业界 (5)1.2. 行业先行指标：群雄逐鹿人工智能芯片 (6)1.3. 全球芯片龙头出现“易主”征兆 (8)1.4. “人工智能+”是中国IT产业弯道超车的机遇 (11)2. “人工智能+”将成为引领发展的第一动力 (13)2.1. 人工智能将成为各个行业的基础设施 (13)2.2. “人工智能+”给传统企业节约成本、提升效率 (14)2.3. “人工智能+”能让信息化公司切入行业核心业务 (16)2.4. “人工智能+”市场未来四年将增长五倍 (16)3. “人工智能+”发展路线图 (17)3.1. 基础层：机会主要集中在巨头手中 (18)3.1. 技术层：用SaaS模式拓展行业应用范围 (19)3.2. 应用层：数据化程度高的行业率先启动 (19)3.3. AI+安防 (21)3.4. AI+金融 (24)3.5. AI+医疗 (27)3.6. AI+汽车 (29)3.7. AI+教育 (31)3.8. AI+信息安全 (32)4. 投资建议 (36)4.1. 细分领域重点关注公司汇总 (36)4.2. 同花顺：“人工智能+互联网金融”核聚变 (36)4.3. 丰东股份：构建“财+税”新生态 (38)4.4. *ST易桥：企业级服务市场的“链家” (38)4.5. 神州数码：生态共赢冲上“云”霄 (39)4.6. 北部湾旅：收购博康智能，切入“智慧安全、智慧交通”领域 (40)4.7. 恒华科技：智能电网信息化龙头，打造电网“天猫”平台 (41)4.8. 奥马电器：快速成长的Fintech新锐 (42)4.9. 合众思壮：北斗和车联网比翼齐飞 (43)4.10. 启明星辰：信息安全航母扬帆起航 (44)4.11. 康耐特：大数据翘楚矗立潮头 (45)5. 风险提示 (46)图表目录图1：人工智能行业离职率居各行业榜首，人才短缺导致行业人才争夺激烈5 图2：人工智能时代“晶体管”横空出世：IBM制成首个相变神经元 (7)图3：“群雄逐鹿”人工智能芯片 (8)图4：移动处理器芯片设计公司ARM股价在移动互联 (9)图5：人工智能芯片龙头英伟达已经成为近两年涨幅最网变革初期涨幅近百倍大的美国科技股 (10)图6：英伟达芯片下游应用伙伴成指数级增长的趋势 (10)图7：人工智能相关数据中心业务已经成为英伟达收入增速最快的业务 (11)图8：各国深度学习主要论文数量 (12)图9：各国深度学习论文平均引用次数 (12)图10：深度学习直接应用于多个通用基础功能模块 (13)图11：人工智能将完成人体自身、企业和产业的三层重构 (14)图12：从医疗信息化切入医疗服务，市场空间规模扩大100倍 (14)图13：“UBER+无人驾驶”所代表的终极模式：软件后台取代数十万人的出租车行业 (15)图14：从“人控”到人工智能，成本降低，效率提升 (15)图15：人工智能将使行业信息化公司切入行业核心业务 (16)图16：认知系统和人工智能（AI）市场空间（亿美元） (17)图17：2017年人工智能的投资将同比增长300％以上 (17)图18：人工智能基础、技术和应用层的进入门槛及价值 (18)图19：人工智能基础平台主要以互联网巨头为主 (18)图20：公司三层平台架构 (19)图21：人工智能发展路线图 (20)图22：人工智能未来竞争格局 (20)图23：A股安防信息化公司争相引入人工智能技术 (21)图24：实现任意脸部遮挡及视角下的实时检测 (21)图25：生理特征识别 (22)图26：行人检测 (22)图27：车辆检测 (23)图28：人工智能实现实时人群分析 (23)图29：长尾信贷及财富管理需求缺口示意图 (24)图30：人工智能有望帮助金融机构满足长尾客群金融需求 (25)图31：科技让原本无法实现的长尾金融服务成真 (26)图32：六大业务板块将被以人工智能为代表的Fintech重构 (27)图33：医疗行业围绕大数据的行业生态 (28)图34：全球ADAS市场规模 (29)图35：ADAS市场主要构成 (30)图36：无人驾驶系统结构 (30)图37：无人驾驶领域全球范围内的“合纵连横”将是常态 (31)图38：Knewton 学习平台 (32)图39：我国传统信息安全下游需求分布 (33)图40：智能汽车信息安全问题简要脉络 (33)图41：智能汽车信息安全事故将造成极为严重后果 (34)图42：智能汽车迅速增长将带来安全风险的集中积累 (34)图43：国外IT企业在智能汽车安全领域的探索 (35)图44：人工智能带来网络安全改变的六大领域 (35)图45：百度近期推出了4.0杀毒系统：慧眼引擎 (36)图46：“人工智能+”相关标的梳理 (36)1. 2017：迎来“人工智能+”的春天“人工智能+”就是把人工智能的创新成果与经济社会各领域深度融合，创造出以人工智能为基础设施和创新要素的新的业态、新的服务模式。

2017全球人工智能人才白皮书_光环大数据人工智能培训人工智能竞争以顶级人才为根本。

作为国家未来的发展方向，AI技术对于经济发展，产业转型和科技进步起着至关重要的作用。

而AI技术的研发，落地与推广离不开各领域顶级人才的通力协作。

在推动AI产业从兴起进入快速发展的历程中，AI顶级人才的领军作用尤为重要，他们是推动人工智能发展的关键因素。

PS：打开微信，搜索微信公众号“行业研究报告”或者“report88”关注我们，点击“行业研究报告”微信公众号下方菜单栏，有你想要的！来源：腾讯研究院（ID：cyberlawrc）因此，上至发达国家政府，下至科技巨头AI创业公司，无不将AI视为提升自身的核心竞争力的根本性战略。

能够引领AI发展的顶级人才，环顾全球，尚不足千人，自然成了供不应求的抢手货。

能够引领AI发展的顶级人才，环顾全球，尚不足千人，自然成了供不应求的抢手货。

然而，人工智能领域人才分布极不平衡，全球AI领域人才约30万，而市场需求在百万量级。

其中，高校领域约10万人，产业界约20万人。

全球共有367所具有人工智能研究方向的高校；每年毕业AI领域的学生约2万人，远远不能满足市场对人才的需求。

在这种供需极其不平衡的形势下招募团队，大公司比小公司有优势，国际巨头公司比大公司有优势，在某种意义上，国家比国际巨头还有力量。

美国人工智能领域的人才无论从数量、质量都要远超其他国家，虽然中国政府已经将人工智能上升到国家战略层面，但是仍然不能立即改变我国AI人才供需严重不平衡的现状，对此，我国应从政府，企业，高校，协会多种途径实现我国人工智能领域三步走的目标。

第一篇：美国主导下的全球AI人才发展现状第1章全球AI人才发展概况当前，上至发达国家政府，跨国互联网巨头，下至研究机构、AI创业公司，无不将AI视为提升自身的核心竞争力的根本性战略，并预期AI将深刻改变人类社会生活、改变世界。

在国家战略布局方面，许多国家均有战略部署。